“日期时间数据”作为三大基础数据类型之一，在数据分析中会经常遇到。
本文总结Python中常见的日期时间操作。
日期时间操作会涉及到的工具包：
import datetime
import calendar
import time
import pandas as pd
获取时间
# 当前日期
today = datetime.date.today()
# 当前日期时间
now = datetime.datetime.now()
now_2 = datetime.datetime.today()
print(today)
print(now)
print(now_2)
输出：
2019-12-30
2019-12-30 11:50:14.037643
2019-12-30 11:50:14.037676
时间映射
# 日期
# 获取对应的，年，月，日
print(today.year,today.month,today.day)
输出：
2019 12 30
# 时间对应的：时、分、秒
print(now.hour,now.minute,now.second)
输出：
11 50 14
# 获取对应的周信息
# 返回：年份，第几周，星期几
today.isocalendar()
输出：
(2020, 1, 1)
# 直接获取星期几
today.isoweekday()
输出：
1
# 给定月份，返回当月第一天的星期以及最后一天
calendar.monthrange(2019,9)
输出：
(6, 30)
# 本周第一天
today = datetime.date.today()
today - datetime.timedelta(days=today.weekday())
# weekday方法返回的是以星期日为起点的第几天
输出：
datetime.date(2019, 12, 30)
# 本周最后一天
today + datetime.timedelta(days=7-today.isoweekday())
# isoweekday方法是我们平常见到的星期几
输出：
datetime.date(2020, 1, 5)
格式转换
字符串转日期
# 字符串转日期
# 默认是转成日期时间格式
# 如果要获得日期，可以在日期时间格式的基础上加.date()
day_str = '2019-08-01'
day_time = datetime.datetime.strptime(day_str,'%Y-%m-%d')
print(day_time)
day_date = day_time.date()
print(day_date)
输出：
2019-08-01 00:00:00
2019-08-01
time_str = '2019-08-01 11:01:33'
time_time = datetime.datetime.strptime(time_str,'%Y-%m-%d %H:%M:%S')
print(time_time)
time_date = time_time.date()
print(time_date)
输出：
2019-08-01 11:01:33
2019-08-01
# 其他格式
date_str = '2019/8/3'
date_date = datetime.datetime.strptime(date_str,'%Y/%m/%d')
print(date_date)
date_str = '2019.8.3'
date_date = datetime.datetime.strptime(date_str,'%Y.%m.%d')
print(date_date)
输出：
2019-08-03 00:00:00
2019-08-03 00:00:00
日期转字符串
str(today)
输出：
'2019-12-30'
str(now)
输出：
'2019-12-30 11:50:14.037643'
datetime.datetime.strftime(now,'%Y-%m-%d')
输出：
'2019-12-30'
datetime.datetime.strftime(now,'%Y-%m-%d %H:%M:%S')
输出：
'2019-12-30 11:50:14'
unixtime
# 日期时间转unixtime
time.mktime(today.timetuple())
输出：
1577635200.0
time.mktime(now.timetuple())
输出：
1577677814.0
# unix time 转正常日期时间格式
# unix time 是指从1970.1.1起至今的总秒数
# 通常都是10位整数，如果是11位的话，那就是2286年以后的事情了
datetime.datetime.fromtimestamp(10000000000)
输出：
datetime.datetime(2286, 11, 21, 1, 46, 40)
# 如果你看到unix time超过10位数，就意味着后面的单位是毫秒或者更细的颗粒度
# 通常到秒级就可以，这个时候可以截取前10位整数来转化得到对应的日期时间
time_unix = 1577635200.0
datetime.datetime.fromtimestamp(time_unix)
输出：
datetime.datetime(2019, 12, 30, 0, 0)
# unix time 是指从1970.1.1起至今的总秒数
# 不过你会发现直接减出来的秒数和用time.mktime方法得到的会不一样
# 这是因为中国的时区需要偏移8个小时，也就是8*3600s
(today - datetime.date(1970, 1, 1)).total_seconds() - time.mktime(today.timetuple())
输出：
28800.0
28800/3600
输出：
8.0
时间计算
时间偏移
# 使用datetime.timedelta()方法
# timedelta(days=0, seconds=0, microseconds=0, milliseconds=0, minutes=0, hours=0, weeks=0)
# 计算操作符可+可-，后面的时间单位也可正可负
now + datetime.timedelta(days=1)
输出：
datetime.datetime(2019, 12, 31, 10, 29, 51, 213734)
now + datetime.timedelta(days=-1)
输出：
datetime.datetime(2019, 12, 29, 10, 29, 51, 213734)
pandas 生成时间
date_range(start=None, end=None, periods=None, freq=None, tz=None)
- start : str or datetime-like, optional
Left bound for generating dates. - end : str or datetime-like, optional
Right bound for generating dates. - periods : integer, optional
Number of periods to generate. - freq : str or DateOffset, default 'D'
Frequency strings can have multiples, e.g. '5H'. See
:ref:here <timeseries.offset_aliases>for a list of
frequency aliases. - tz : str or tzinfo, optional
# 间隔的频率，可以是天 'D'
pd.date_range(start = '2020-1-1',freq='D',periods=3)
输出：
DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03'], dtype='datetime64[ns]', freq='D')
# 也可以是小时 H
pd.date_range(start = '2020-1-1',freq='H',periods=3)
输出：
DatetimeIndex(['2020-01-01 00:00:00', '2020-01-01 01:00:00', '2020-01-01 02:00:00'], dtype='datetime64[ns]', freq='H')
# 可以间隔多天
pd.date_range(start = '2020-1-1',freq='2D',periods=3)
输出：
DatetimeIndex(['2020-01-01', '2020-01-03', '2020-01-05'], dtype='datetime64[ns]', freq='2D')
# 也可以间隔多个小时
pd.date_range(start = '2020-1-1',freq='6H',periods=3)
输出：
DatetimeIndex(['2020-01-01 00:00:00', '2020-01-01 06:00:00', '2020-01-01 12:00:00'], dtype='datetime64[ns]', freq='6H')
# 还可以混合
pd.date_range(start = '2020-1-1',freq='2D6H',periods=3)
输出：
DatetimeIndex(['2020-01-01 00:00:00', '2020-01-03 06:00:00', '2020-01-05 12:00:00'], dtype='datetime64[ns]', freq='54H')
pd.date_range(start = '2020-1-1',freq='Q',periods=3)
输出：
DatetimeIndex(['2020-03-31', '2020-06-30', '2020-09-30'], dtype='datetime64[ns]', freq='Q-DEC')
时间差
time_next = now + datetime.timedelta(weeks=3)
time_gap = time_next-now
# 时间差的天数，总秒数
print(time_gap.days,time_gap.total_seconds())
输出：
21 1814400.0